Advanced

Dimensionerande effekt i fjärrvärmesystem

Müller-Uri, Sofie LU and Franck, Björn (2017) MVK920 20171
Department of Energy Sciences
Abstract (Swedish)
I Sverige står värme för 55 % av den totala energianvändningen i bostäder och lokaler, där den nästan uteslutande används till uppvärmning av utrymmen och tappvarmvatten. Fjärrvärme tillgodoser 90 % av svenska flerbostadshus värmebehov medan motsvarande siffra är 3 respektive 80 % för industrier och offentliga lokaler. De olika kundkategorierna skiljer sig åt i användarmönster, både sett till effektbehovets storlek och när på dygnet värmen behövs. Vid tider under dygnet då många kunder behöver mycket värme uppstår effekttoppar som måste tas hänsyn till då fjärrvärmesystemen dimensioneras för att undvika framtida distributionsproblem när systemet expanderar. Att uppskatta en kunds effektbehov kan göras på olika sätt.

Metoden som E.ON... (More)
I Sverige står värme för 55 % av den totala energianvändningen i bostäder och lokaler, där den nästan uteslutande används till uppvärmning av utrymmen och tappvarmvatten. Fjärrvärme tillgodoser 90 % av svenska flerbostadshus värmebehov medan motsvarande siffra är 3 respektive 80 % för industrier och offentliga lokaler. De olika kundkategorierna skiljer sig åt i användarmönster, både sett till effektbehovets storlek och när på dygnet värmen behövs. Vid tider under dygnet då många kunder behöver mycket värme uppstår effekttoppar som måste tas hänsyn till då fjärrvärmesystemen dimensioneras för att undvika framtida distributionsproblem när systemet expanderar. Att uppskatta en kunds effektbehov kan göras på olika sätt.

Metoden som E.ON Värme Sverige AB (EVS) använder sig av i dagsläget bygger på ett antal antaganden och förenklingar angående kundernas förbrukning. Bland annat negligeras variationer över dygnet varför toppar i effektuttag inte beaktas. Denna studie syftar till att utreda den använda metodiken i jämförelse med modeller som bl.a. inkluderar olika kundkategorier samt effektuttagets tidsberoende. Samtliga metoder testas i en modell av EVS:s fjärrvärmesystem i Åkersberga.

För att möjliggöra jämförelser skapas ett referensfall där EVS:s metod för att uppskatta effektbehovet används och en tidsoberoende simulering av modellen för fjärrvärmesystemet görs. Systemets kunder kategoriseras med hjälp av användarmönster och kartor i tre huvudgrupper: flerbostadshus, industrier och offentliga lokaler. Utifrån dessa skapas kundkategorispecifika effektsignaturer och nominella effekter baserat på varje enskild kunds individuella effektsignatur. För varje kundkategori skapas dygnskurvor över effektuttag baserat på förbrukningsdata vilka sedan används i både en statisk och en dynamisk simulering av modellen över fjärrvärmesystemet. Med denna utökade modell och ytterligare dynamiska simuleringar undersöks sedan effekterna av att styra systemet på olika vis.

Resultaten från simuleringarna jämförs utifrån hur differenstrycket hos systemets kunder beter sig samt hur producerad effekt och differenstryck vid produktionsanläggningen påverkas av metodernas olika egenskaper. Tydliga skillnader ses beroende på vilka faktorer som inkluderas och vilken simuleringsmetod som tillämpas. Vissa kunder får lägre lägsta differenstryck om EVS:s metod används än om hänsyn tas till kundernas olikheter och effektuttagets tidsberoende, andra tvärtom. Om den tidsberoende metoden på ett bra sätt representerar systemet i verkligheten kommer samtliga kunders effektbehov vid fjärrvärmesystemets dimensionerande utomhustemperatur (FDUT) att kunna tillgodoses. Om EVS:s metod däremot representerar det verkliga systemet tillräckligt bra kommer vissa kunder enligt simuleringsresultaten ha lägre differenstryck vid FDUT än vad som rekommenderas. När tidsberoende problem och effekter av sammanlagring ska utredas är dock dynamisk simulering att föredra framför statisk. Hänsyn bör därför tas till effektbehovets tidvariation och kundkategoriernas olikheter vid modellering av systemet. (Less)
Popular Abstract
Heat make up 55 % of the Swedish energy usage and is almost entirely used for space heating and heating of tap water. District heating provides 90 % of the thermal energy used in Swedish multidwelling units while the corresponding shares are 3 and 80 % respectively for industries and public facilities. The user patterns differs from one customer category to another, both in regard to the size of the heat power demand and when the energy is needed. Throughout the day there are times when high heat power load coincides for many customers. This results in certain peaks in heat power demand, which need to be considered when designing the heat grid in order to avoid future distribution problems. There are several different ways to estimate a... (More)
Heat make up 55 % of the Swedish energy usage and is almost entirely used for space heating and heating of tap water. District heating provides 90 % of the thermal energy used in Swedish multidwelling units while the corresponding shares are 3 and 80 % respectively for industries and public facilities. The user patterns differs from one customer category to another, both in regard to the size of the heat power demand and when the energy is needed. Throughout the day there are times when high heat power load coincides for many customers. This results in certain peaks in heat power demand, which need to be considered when designing the heat grid in order to avoid future distribution problems. There are several different ways to estimate a customer's heat power demand.

The method used by E.ON Värme Sverige AB (EVS) today is based on a number of assumptions and simplifications concerning the consumption among the customers; for instance, the daily variations are neglected why peaks in the heat power demand are not considered. The aim of this study is to investigate the used methodology in comparison to including customer categories along with time-dependant fluctuations in heat power usage. All methods are tested using a model of EVS's district heating system in Åkersberga.

To enable comparisons, a reference case is created using the same method for heat grid power design as EVS and a time-independent simulation of the distric heating model is run. With the use of heat load patterns and maps, the customers in the system are divided into three main catergories: multidwelling units, industries and public facilities. For each category the customer specific nominal powers are determined based on their indivudial heat power signature. Based on user data, a curve of the daily heat power outtake is created for each customer category. These curves are then used in both a static and a dynamic simulation of the model. With the use of this enhanced model and further dynamic simulations the effects of various ways of controlling the system are analysed.

The simulation results are compared in regard to how the fluctuations of the customer's differential pressure along with power output and differential pressure at the production plant are affected by the features of the different methods. Distinct differences can be seen depending on the factors included and used simulation methods. Some customers get lower lowest differential pressure if EVS's method is used compared to if customers' differences and the time-dependence of the heat power outtake is included. Other parts of the system behave the opposite. If the time-dependent method represents the real system in a good way, the heat power demand of all customers can be met at design outdoor temperature. However, if EVS's method represents the real system well enough, some customers will have lower differential pressure than recommended at design outdoor temperature. Dynamic simulation is prefered to static when time-dependent problems and effects of simultaniety are investigated. Therefore, the differences of the customer categories and daily heat load variations should be taken into account when modelling the system. (Less)
Please use this url to cite or link to this publication:
author
Müller-Uri, Sofie LU and Franck, Björn
supervisor
organization
course
MVK920 20171
year
type
H2 - Master's Degree (Two Years)
subject
keywords
fjärrvärmesystem, effektdimensionering, sammanlagring, differenstryck, dynamisk simulering, fjärrvärmesystemets dimensionerande utomhustemperatur
report number
ISRN LUTMDN/TMHP-17/5387-SE
ISSN
0282-1990
language
Swedish
id
8912545
date added to LUP
2017-06-08 15:13:59
date last changed
2017-06-08 15:13:59
@misc{8912545,
  abstract     = {I Sverige står värme för 55 % av den totala energianvändningen i bostäder och lokaler, där den nästan uteslutande används till uppvärmning av utrymmen och tappvarmvatten. Fjärrvärme tillgodoser 90 % av svenska flerbostadshus värmebehov medan motsvarande siffra är 3 respektive 80 % för industrier och offentliga lokaler. De olika kundkategorierna skiljer sig åt i användarmönster, både sett till effektbehovets storlek och när på dygnet värmen behövs. Vid tider under dygnet då många kunder behöver mycket värme uppstår effekttoppar som måste tas hänsyn till då fjärrvärmesystemen dimensioneras för att undvika framtida distributionsproblem när systemet expanderar. Att uppskatta en kunds effektbehov kan göras på olika sätt.

Metoden som E.ON Värme Sverige AB (EVS) använder sig av i dagsläget bygger på ett antal antaganden och förenklingar angående kundernas förbrukning. Bland annat negligeras variationer över dygnet varför toppar i effektuttag inte beaktas. Denna studie syftar till att utreda den använda metodiken i jämförelse med modeller som bl.a. inkluderar olika kundkategorier samt effektuttagets tidsberoende. Samtliga metoder testas i en modell av EVS:s fjärrvärmesystem i Åkersberga.

För att möjliggöra jämförelser skapas ett referensfall där EVS:s metod för att uppskatta effektbehovet används och en tidsoberoende simulering av modellen för fjärrvärmesystemet görs. Systemets kunder kategoriseras med hjälp av användarmönster och kartor i tre huvudgrupper: flerbostadshus, industrier och offentliga lokaler. Utifrån dessa skapas kundkategorispecifika effektsignaturer och nominella effekter baserat på varje enskild kunds individuella effektsignatur. För varje kundkategori skapas dygnskurvor över effektuttag baserat på förbrukningsdata vilka sedan används i både en statisk och en dynamisk simulering av modellen över fjärrvärmesystemet. Med denna utökade modell och ytterligare dynamiska simuleringar undersöks sedan effekterna av att styra systemet på olika vis.

Resultaten från simuleringarna jämförs utifrån hur differenstrycket hos systemets kunder beter sig samt hur producerad effekt och differenstryck vid produktionsanläggningen påverkas av metodernas olika egenskaper. Tydliga skillnader ses beroende på vilka faktorer som inkluderas och vilken simuleringsmetod som tillämpas. Vissa kunder får lägre lägsta differenstryck om EVS:s metod används än om hänsyn tas till kundernas olikheter och effektuttagets tidsberoende, andra tvärtom. Om den tidsberoende metoden på ett bra sätt representerar systemet i verkligheten kommer samtliga kunders effektbehov vid fjärrvärmesystemets dimensionerande utomhustemperatur (FDUT) att kunna tillgodoses. Om EVS:s metod däremot representerar det verkliga systemet tillräckligt bra kommer vissa kunder enligt simuleringsresultaten ha lägre differenstryck vid FDUT än vad som rekommenderas. När tidsberoende problem och effekter av sammanlagring ska utredas är dock dynamisk simulering att föredra framför statisk. Hänsyn bör därför tas till effektbehovets tidvariation och kundkategoriernas olikheter vid modellering av systemet.},
  author       = {Müller-Uri, Sofie and Franck, Björn},
  issn         = {0282-1990},
  keyword      = {fjärrvärmesystem,effektdimensionering,sammanlagring,differenstryck,dynamisk simulering,fjärrvärmesystemets dimensionerande utomhustemperatur},
  language     = {swe},
  note         = {Student Paper},
  title        = {Dimensionerande effekt i fjärrvärmesystem},
  year         = {2017},
}